-
公开(公告)号：CN109615027A
公开(公告)日：2019-04-12
申请号：CN201811643482.7
申请日：2018-12-29
Applicant: 中南大学
CPC classification number: G06K9/6218 , G06K9/6256 , G06Q10/04 , G06Q50/30
Abstract: 本发明公开了一种高速铁路沿线风速特征提取智能预测方法，该方法利用风速不同特征进行K-means聚类，并选择最优聚类数K，将风速模型样本分为K类，然后针对K个聚类类别分别建立100个风速预测特征预选模型，利用数学分析和相关性分析方法筛选风速预测特征预选模型并建立K个风速预测特征模型组和K个风速预测归一模型，最后分析预测的风速向量与风速时间序列数据集之间的相关性并还原真实风速，该方法具有预测高精度、特征智能提取、适应性强、鲁棒性高的特点，适合应用于大风环境下的高速铁路沿线安全等领域。
-
公开(公告)号：CN109447499A
公开(公告)日：2019-03-08
申请号：CN201811327730.7
申请日：2018-11-08
Applicant: 中南大学 , 中车青岛四方机车车辆股份有限公司
Abstract: 本发明提供了一种轨道交通系统成本关键要素多域交互影响分析方法，通过对轨道交通系统成本大数据分解，将安全域、性能域、环境域和安全域边界条件进行量化，建立基于数据驱动的轨道交通系统成本要素安全域、性能域、环境域交互影响规律模型，在保证安全的前提下，分析成本要素在安全域、性能域、环境域的交互映射关系，确定轨道交通系统成本关键要素，为轨道交通系统全生命周期成本控制提供理论支撑。
-
公开(公告)号：CN109063907A
公开(公告)日：2018-12-21
申请号：CN201810846131.X
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种高速铁路沿线极大风速智能遍历大步长预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用PID神经网络，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；选用各模型进行多种步长的最优预测组合，实现多步迭代预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN109657938B
公开(公告)日：2023-06-23
申请号：CN201811460210.3
申请日：2018-11-30
Applicant: 中南大学 , 中车青岛四方机车车辆股份有限公司
IPC: G06Q10/0635 , G06Q10/04 , G06Q50/30 , G06N3/08
Abstract: 本发明提供了一种轨道交通系统成本要素辨识分析方法，首先通过对轨道交通系统总成本细分得到要素对象，使用专家评分法获取要素对象的安全、性能、环境特征值并获取该要素对象与其他要素的关联程度值，建立该对象的有效影响评分集合；再建立要素安全特征值、性能特征值、环境特征值、有效影响评分与要素成本的映射模型；最后，将一条轨道交通线路各要素的安全、性能、环境、有效影响评分数据输入该模型，进行各要素成本的辨识，该方法使得决策人员能在轨道交通项目决策期间得到轨道系统的各要素的成本预测值，能有效的掌控轨道交通系统未来成本开支情况，对降低轨道交通投资的金融风险，制定风险评估体系有着重要的意义。
-
公开(公告)号：CN109190839B
公开(公告)日：2022-02-15
申请号：CN201811099805.0
申请日：2018-09-20
Applicant: 中南大学
Abstract: 本发明公开了一种融合风向的铁路沿线风速智能滚动预测方法，通过历史风速建立多个高精度风速预测模型，集成优化预测结果，通过择优集成和关联分析的方法，提升了风速预测模型的预测精度和预测稳定性，增加了风速预测过程的鲁棒性；同时利用模拟预测误差，结合目标测风点风向真实值，建立风速预测误差校正模型，极大提高铁路沿线风速预测精度；风速预测过程融合风向数据，构造风速预测误差与风向之间的映射关系，针对不同的风向对集成优化后的预测风速进行进一步的优化，避免了单一数据驱动的局限性，完善了铁路沿线风速预测的流程，显著提高风速预测精度。
-
Patent Agency Ranking
公开(公告)号：CN109002860B
公开(公告)日：2020-11-24
申请号：CN201810844741.6
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种高速铁路沿线突变风速智能适应性匹配预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用SVM模型，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；选用多种模拟预测时间，提前构建好各种模拟预测时间对应的预测模型的预测迭代向量；进行实际预测时，选择目标预测时间与模拟预测时间匹配的预测迭代向量直接进行预测，即可快速获得准确的风速预测值，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN109726802B
公开(公告)日：2020-11-20
申请号：CN201811643479.5
申请日：2018-12-29
Applicant: 中南大学
Abstract: 本发明公开了一种铁路和风电场环境风速机器学习预测方法，该方法选择多种神经网络模型，建立多种风速预测特征预选模型各100个，通过均方误差分析和相关性分析，选取性能好以及特征独立性强的模型各10个，然后建立多个风速预测集成模型，对风速预测特征进行集成处理，最后建立风速预测归一模型，对风速集成值进行归一处理，并计算预测风速向量与训练样本的风速向量之间的相关性，利用相关性强的对应时刻的风速噪声还原预测风速值，该方法能有效预测非平稳风速，对复杂，非线性风速值具有精准的预测效果。
-
公开(公告)号：CN109711593B
公开(公告)日：2020-11-17
申请号：CN201810846325.X
申请日：2018-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种面向瞬时计算决策的高速铁路沿线风速预测方法，根据近期风速状况，通过在目标测风点构建目标测风站和时移测风站，对测风站的数据进行去噪处理后，利用极限学习机，对去噪后的风速数据进行训练，构建各测风站在多种步长下的风速预测模型；提前对利用各种步长构建的预测任务迭代向量进行筛选，获得各模型进行多种步长的最优预测组合，实现多步迭代预测，提高预测精度，降低随机误差的干扰；实现了铁路沿线风速超前预测，可以提前得知事故多发区域的风速环境状况，及时、有效地指导列车运行，保障列车运营安全。
-
公开(公告)号：CN109767043A
公开(公告)日：2019-05-17
申请号：CN201910043089.2
申请日：2019-01-17
Applicant: 中南大学
Abstract: 本发明公开了一种电力负荷时间序列大数据智能建模与预测方法，对电力负荷时间序列历史数据进行小波分解，将电力负荷时间序列历史数据分解为电力负荷高频时间序列历史数据和低频时间序列历史数据，然后对所有时间序列进行集成化处理，对时间序列进行聚类，对每种聚类类别的时间序列基于Elman神经网络建立负荷预测模型，最后对预测的分解后的电力负荷进行重构，完成对电力负荷时间序列的智能建模，从而实现对不同特征的电力负荷进行高效、智能预测。
-
公开(公告)号：CN109657938A
公开(公告)日：2019-04-19
申请号：CN201811460210.3
申请日：2018-11-30
Applicant: 中南大学 , 中车青岛四方机车车辆股份有限公司
Abstract: 本发明提供了一种轨道交通系统成本要素辨识分析方法，首先通过对轨道交通系统总成本细分得到要素对象，使用专家评分法获取要素对象的安全、性能、环境特征值并获取该要素对象与其他要素的关联程度值，建立该对象的有效影响评分集合；再建立要素安全特征值、性能特征值、环境特征值、有效影响评分与要素成本的映射模型；最后，将一条轨道交通线路各要素的安全、性能、环境、有效影响评分数据输入该模型，进行各要素成本的辨识，该方法使得决策人员能在轨道交通项目决策期间得到轨道系统的各要素的成本预测值，能有效的掌控轨道交通系统未来成本开支情况，对降低轨道交通投资的金融风险，制定风险评估体系有着重要的意义。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.021 seconds)
